Python 如何有效地循环矩阵元素？

我必须循环一个800000*800000的矩阵。我试图通过简单的循环来实现这一点，但这花费了我太多的时间。我怎样才能快速循环

for in in xrange(800000):
   for j in xrange(800000):
      print i,j

通常，我使用OpenCV读取图像，然后我需要在每个像素上循环，以便执行一些计算并与像素相邻的某些特征值进行比较。当我运行一个循环时，我觉得它需要2天以上才能完成

---

事实上，我想实现我自己版本的算法。作者声称使用像我这样的计算机在不到4分钟的时间内执行算法。然而，在1200*1100矩阵上循环需要很多时间（我测试过）。如何快速读取它们？

对于性能良好的数组循环，您可以使用。您可以使用Python的大部分语法，使用C可以获得很多性能增益。它还与兼容

---

可以考虑使用内置的BytRayLype代替Python列表。

可以创建大小为1200*1300*4的字节数组来表示矩阵。 元素i，j将位于i*1200*4+j*4 （假设像素大小为4字节）

进一步看，我发现可以使用python中的数组高效地存储几乎所有内容。您可以按照上面的解释轻松地计算索引

---

“Numeric Python extension（NumPy）定义了另一种数组类型；有关Numeric Python的更多信息，请参阅。”

这里有一个可能的优化，但这同样取决于系统和其他当前运行的进程等。。。还有你在里面做的计算

import time
import numpy as np
test = np.ones((1200, 1100))

测试1：

def loops():
    start = time.clock()
    for i in range(1200):
        for j in range(1100):
            a = test[i,j]
    print(time.clock()-start)
    return a

>>> loops()
1.433313120652599
1.0

你看，循环只需要1.5秒。在内部添加计算将大大延长此时间，但您的循环是最不需要担心的。如果不提供您的代码，我就不能多说了

另一种办法是：

def loops():
    start = time.clock()
    for row in test:
        for element in row:
            a = element
    print(time.clock()-start)
    return a

>>> loops()
0.714938339920252
1.0

注意到这个样本有多小（只有一个测试），但是有一半的时间表示可能的增强？此外，您还可以避免使用

a=

，并且可以跳过新变量的分配，这样可以节省几微秒的时间

展示你的代码，我肯定还有其他的事情可以做

---

这是win7 Intel i5双核Python 3.4

您在这里比较的是什么语言？你无法用python打败C速度。无论您如何努力：）您也可以尝试隔离一段代码，其中循环处于某种独立状态（即使您必须删除一些操作）。Python循环的运行速度几乎是退化的，但是它也可能表明代码存在问题。也许在一个树状结构上有一个值的像素上循环可以有所帮助（使用np.where）等等。@ljetibo我绝对需要读取每个像素的RGB值，并将它们与该像素的相邻像素的值进行比较（如果你愿意，请检查我给出的链接……该人也用Python编程，但运行它时我会出错）试试这个链接，它列出了所有（默认）包：包括Numba。另外，我知道我的（OSX）Anaconda发行版中有它。对于OpenCV，我个人看了这里：（binstar是一个共享Anaconda软件包的地方），但也有一点：根据我的记忆，OpenCV比OSX更容易安装在Windows上，所以你有一些选择。这更多的是一个评论，而不是问题的真正答案：）谢谢。我真的需要逐元素循环矩阵元素（考虑到Growtut算法的性质），快速查看算法链接显示4个嵌套循环；也许这就是为什么OP的时间比你的长得多的原因吧？@tom10：期望这个模拟测试应该更接近OPs问题是不现实的。然而，它确实表明，在语句中使用

的循环似乎具有更快的查找时间。我相信不是他的循环导致了他的问题，而是他内心的计算。但是我不熟悉GrowCut。没有解释和他的确切代码，我帮不了多少忙。@tom10这很好，但据我所知，他可能在任何内部循环上犯了一个简单的错误（他的意思我从他发布的代码中看不出来），并且可能运行得太多了。如果他使用的是
range
，而不是
xrange
，那么如果他使用的是旧python，那么他实际上是在创建整个列表
xrange
是一个更快的迭代器。他可能已经写了自己的发电机，也许等等。。。我无法优化我没有看到的东西。非常感谢。和我的情况相比，速度太快了。你能解释一下你做了什么吗？当然，但我最初投了更高的票，因为运行循环本身会在时间上设置一个合理的下限，但看看GrowCut算法，我意识到你的测试并不真正相关。如果你运行了四个嵌套循环，那么，imho，它至少会被关闭，可能是2或10倍，但不是2的幂，也就是说，在本例中可能是数百万。（尽管如此，我还是希望有一种方法可以在不投反对票的情况下取消我的赞成票。）